逻辑回归 正如我们在第1章中讨论的那样，一些回归算法也可以用于分类（反之亦然）。 Logistic 回归（也称为 Logit 回归）通常用于估计一个实例属于某个特定类别的概率（例如，这电子邮件是垃圾邮件的概率是多少？）。 如果估计的概率大于 50%，那么模型预测这个实例属于当前类（称为正类，标记为“1”），反之预测它不属于当前类（即它属于负类 ，标记为“...

10.2 近似训练 10.2.1 负采样 10.2.2 层序softmax 小结 10.2 近似训练 回忆上一节的内容。跳字模型的核心在于使用softmax运算得到给定中心词 来生成背景词 的条件概率 该条件概率相应的对数损失 由于softmax运算考虑了背景词可能是词典 中的任一词，以上损失包含了词典大小数目的项的累加。...

10.2. 近似训练 10.2.1. 负采样 10.2.2. 层序softmax 10.2.3. 小结 10.2.4. 练习 10.2. 近似训练 回忆上一节的内容。跳字模型的核心在于使用softmax运算得到给定中心词 来生成背景词 的条件概率 该条件概率相应的对数损失 由于softmax运算考虑了背景词可能是词典 中...

字符列表 随机整数 随机字符串 概率性计算 grand 模块实现了对随机数操作的封装和改进，实现了极高的随机数生成性能，提供了丰富的随机数相关操作方法。 使用方式： import "github.com/gogf/gf/v2/util/grand" 接口文档： https://pkg.go.dev/github.com/gogf/g...

字符列表 随机整数 随机字符串 概率性计算 grand 模块实现了对随机数操作的封装和改进，实现了极高的随机数生成性能，提供了丰富的随机数相关操作方法。 使用方式： import "github.com/gogf/gf/v2/util/grand" 接口文档： https://pkg.go.dev/github.com/gogf/g...

字符列表 随机整数 随机字符串 概率性计算 grand 模块实现了对随机数操作的封装和改进，实现了极高的随机数生成性能，提供了丰富的随机数相关操作方法。 使用方式： import "github.com/gogf/gf/v2/util/grand" 接口文档： https://pkg.go.dev/github.com/gogf/g...

7.3 朴素贝叶斯分类器 7.3 朴素贝叶斯分类器 不难看出：原始的贝叶斯分类器最大的问题在于联合概率密度函数的估计，首先需要根据经验来假设联合概率分布，其次当属性很多时，训练样本往往覆盖不够，参数的估计会出现很大的偏差。为了避免这个问题，朴素贝叶斯分类器（naive Bayes classifier）采用了“属性条件独立性假设”，即样本数据的所...

二、广义线性模型 2.1 广义线性模型的函数定义 2.2 广义线性模型的概率定义 2.3 常见分布的广义线性模型 2.3.1 高斯分布 2.3.2 伯努利分布 2.3.3 多元伯努利分布 二、广义线性模型 2.1 广义线性模型的函数定义 考虑单调可微函数 ，令 ，这样得到的模型称作广义线性模型 (generalized linea...

三、贝叶斯模型 3.1 GaussianNB 3.2 MultinomialNB 3.3 BernoulliNB 三、贝叶斯模型 在scikit 中有多种不同的朴素贝叶斯分类器。他们的区别就在于它们假设了不同的 分布 。 3.1 GaussianNB 高斯贝叶斯分类器GaussianNB ：它假设特征 的条件概率分布满足高斯分布...

一、Unigram Model 1.1 最大似然估计 1.2 最大后验估计 1.3 文档生成算法 一、Unigram Model 假设有一个骰子，骰子有 个面，每个面对应于词典中的一个单词。 Unigram Model 是这样生成文档的： 每次抛一次骰子，抛出的面就对应于产生一个单词。 如果一篇文档有 个单词，则独立的抛掷 次骰子就...